近期,爱数已经完成C轮融资,规模过亿元,由国家开发投资公司(国投集团)主导,以保障近两三年的发展需求。爱数CEO贺鸿富在接受记者采访时表示,融资是水到渠成的一件事,也是对爱数发展的肯定,技术变革本身和国产化的大趋势,是目前应该努力抓住的机遇。
爱数是国投集团在科技领域的第一笔投资。虽然贺鸿富否认了这轮融资与国产化替代有必然的关联,但他说,爱数最初在选择投资人的时候确实考虑到了国产化等因素。国投集团以前只在矿产和能源等领域投资,去年国家产业升级的时候成立了一个专门投资高科技的基金,爱数是他们在该领域投下的第一笔钱。
爱数缘何受到国家投资的青睐?也许其市场表现和当下国产化的趋势确实有着千丝万缕的联系。“2013年软件定义存储,2014年国产化,两次战略机遇,给了爱数弯道超车的机遇。” 贺鸿富曾在一篇文章中这样写道。
作为一家国产软件公司,爱数看到了国产化替代这个契机,C轮融资的资金主要用于补充经营资金和现金流,但既定的三年战略计划并不会改变:第一个阶段快速扩张,在研发、销售和品牌推广上投入大量精力,取得市场和行业认知度;第二个阶段,专注于产品解决方案,做专做细;第三个阶段,国产厂商一定有一席之地,国产化是未来存储行业发展的主题。
在采访中,他一再强调这次融资更多地是“机缘巧合”,称融资并不是一家门槛特别高的事情,更多地是整个行业背后蕴含的巨大机遇,而这个机遇正是源自于——软件定义存储。他认为,软件定义存储是整个软件定义数据中心架构中一个必不可少的要素,但是市场中还没有出现一个成为主流的产品,在他看来这就是软件定义的市场机遇。
而抓住软件定义存储这个市场,爱数认为最重要的是认清自己、找准细分市场。“我们把自己看成一个非常小的公司,我们尽量不和那些大厂商发起正面的创新战,而是更多地从像VDI这样的细分市场中找空间。”
“国产化只是一种手段,但绝对不是一个杀手级的武器,真正的武器是产品本身,所以我更看重软件定义这样一个技术变革周期。” 虽然目前还不具备颠覆主流厂商的实力,当时软件定义存储使得普通硬件上运行软件来带动整体存储能力,这对像爱数这样的小公司来说正是等待已久的洗牌机会。
未来爱数推进软件定义存储战略将主要围绕软件控制展开,体现软件定义存储在开放系统扩展性和整体性价比上的优势,明年上半年会陆续展示一批新产品,并且继续在小行业市场深耕下去,包括政府、医疗、教育和企业这些市场。
在有条不紊地执行着三年战略计划和瞄准软件定义存储这个新机遇的时候,爱数开始将业务发展多元化,渠道扩展深化。以AnyBackup为代表的数据备份是爱数的优势产业,与AnyStorage和AnyShare三箭齐发。
在渠道方面,现在爱数更“强调渠道质量”,同时开始关注渠道生态的多样化,包括传播分销体系、行业渠道、产品渠道以及全国战略伙伴。据他透露,今年下半年或者明年之前爱数会公布更多重量级战略合作伙伴。
最后据他透露,爱数计划明年拿出自己的一个秘密武器——云产品线,主要围绕文档分享展开。
展望未来,他认为在数据保护领域,存储级数据保护技术将慢慢取代主机保护技术步入主流。而中国的数据保护市场处于在投资期,不像国外那样成熟,在技术快速变革期很多技术和产品都在不断更新,中国市场还有很大潜力。
严峻的挑战也摆在爱数面前,首先行业竞争门槛高,主要竞争对手都是EMC和CommVault这样的国际厂商,其次公司高增长背后潜藏着高风险,同时人才培养体系也面临巨大压力。“我们所处的行业变革期现在越来越短,稍微打一个盹可能就被淘汰了,最重要不是今天取得了什么成绩,而是明天公司能不能活下来。”
好文章,需要你的鼓励
从浙江安吉的桌椅,到广东佛山的沙发床垫、河南洛阳的钢制家具,再到福建福州的竹藤制品,中国各大高度专业化的家具产业带,都在不约而同地探索各自的数字化出海路径。
哥伦比亚大学研究团队开发了MathBode动态诊断工具,通过让数学题参数按正弦波变化来测试AI的动态推理能力。研究发现传统静态测试掩盖了AI的重要缺陷:几乎所有模型都表现出低通滤波特征和相位滞后现象,即在处理快速变化时会出现失真和延迟。该方法覆盖五个数学家族的测试,为AI模型选择和部署提供了新的评估维度。
研究人员正探索AI能否预测昏迷患者的医疗意愿,帮助医生做出生死决策。华盛顿大学研究员Ahmad正推进首个AI代理人试点项目,通过分析患者医疗数据预测其偏好。虽然准确率可达三分之二,但专家担心AI无法捕捉患者价值观的复杂性和动态变化。医生强调AI只能作为辅助工具,不应替代人类代理人,因为生死决策依赖具体情境且充满伦理挑战。
这项研究首次发现AI推理模型存在"雪球效应"问题——推理过程中的小错误会逐步放大,导致AI要么给出危险回答,要么过度拒绝正常请求。研究团队提出AdvChain方法,通过训练AI学习"错误-纠正"过程来获得自我纠错能力。实验显示该方法显著提升了AI的安全性和实用性,用1000个样本达到了传统方法15000个样本的效果,为AI安全训练开辟了新方向。